Comments 5
Весьма интересно. Только не понятно, что конкретно и каким образом ИИ помогло. Видимо не внимательно прочитал…
Применение байесовской оптимизации к оптимизации параметров эксперимента - нужно определить, при каких параметрах больше конденсата образуется. Главное тут
"Процесс оптимизации привел к значительному росту количества атомов в субкритическом состоянии, предшествующем возникновению конденсата, однако при этом количество атомов в конденсате достигло потолка. Подобный эффект не был описан ранее. Учёные выдвинули гипотезу о влиянии трехчастичных столкновений на предельное количество атомов в БЭК и использовали измеренный ранее спектр резонансов Фешбаха для изменения их интенсивности с помощью изменения магнитного поля. Применение байесовской оптимизации позволило уверенно получить максимально возможное количество атомов в конденсате в новом заданном поле, которое оказалось в два раза больше предыдущего. "
Да, понял, я! Просто тело новости никак не раскрывает участие ML в этом деле. Лишь кротю-ю-ю-юхенько упоминается сам.
Да, видимо пост не об этом. Проехали…;)
В оригинальной статье кстати тоже не особо подробно [2311.06795] Inspiration from machine learning on example of optimization of the Bose-Einstein condensate of thulium atoms in a 1064-nm trap
Ну там чуть подробнее раскрыто, что именно за параметры оптимизировали.
Машинное обучение помогло улучшить экзотическую квантовую материю